大纲
1. 导论
1.1. 什么是量化交易
1.2. 量化交易的知识体系
1.3. 课程目标和定位
1.4. 如何学习本课程
1.4.1. 在线实验环境介绍
1.4.2. 参考书籍
1.4.3. 指导老师和社群资源
2. 证券数据源
2.1. 交易所及证券代码
2.2. Akshare
2.2.1. Akshare数据简介
2.2.2. 如何获取实时数据
2.2.3. 如何获取历史数据
2.2.4. 如何获取交易日历
2.2.5. 如何获取证券列表
2.3. Tushare
2.3.1. Tushare数据简介
2.3.2. 股票历史数据
2.3.3. 证券列表
2.3.4. 交易日历
2.4. 聚宽本地数据
2.4.1. 聚宽和聚宽本地数据简介
2.4.2. 股票历史数据
2.4.3. 证券列表
2.4.4. 交易日历
2.5. BaoStock简介
2.6. YFinance简介
2.7. 大富翁量化框架
2.7.1. 大富翁量化框架简介
2.7.2. 实时/历史股票数据
2.7.3. 证券列表筛选，查询，过滤
2.7.4. 交易日历
2.7.5. 通过数据解读A股
2.7.6. 行业板块，概念板块数据获取
3. 初识策略
3.1. 小市值策略(基本面策略)
3.1.1. 规模因子（FAMA三因子）与小市值策略
3.1.2. 策略实现
3.1.3. 策略优化讨论
3.2. 布林带策略(技术分析策略)
3.2.1. 策略简介
3.2.2. 策略实现
3.2.3. 策略优化讨论
3.2.4. omicron与coursea环境下的策略相关功能库
3.3. 网格交易法
3.3.1. 什么是网格交易
3.3.2. 网格交易如何实现
3.3.3. 网格交易优化方向讨论
4. 金融数据处理
4.1. Numpy和Pands
4.1.1. Numpy
4.1.2. Pandas
4.2. Talib
4.2.1. 安装Talib
4.2.1.1. Unubtu/Linux下安装Talib
4.2.1.2. Windows下安装Talib
4.2.2. 常见指标函数
4.2.3. 模式识别函数
4.3. 数字信号处理
4.3.1. zigzag与顶底标记
4.3.2. 一维聚类与平台突破
4.3.3. 曲线（直线）拟合
4.3.4. 凹凸性（拐头）判断
4.4. 常用数学基础概念（概率与统计）
5. 金融数据可视化
5.1. 绘图基础理论
5.1.1. 绘图对象及组合关系
5.1.2. K线图解
5.2. Matplotlib(静态，大众)
5.2.1. Matplotlib简介
5.2.2. Matplotlib柱状图绘制
5.2.3. Matplotlib折线图绘制
5.3. Plotly(交互式可视化)
5.3.1. Plotly简介
5.3.2. go对象及常见图形（线、散点、柱）绘制
5.3.3. plotly.express库简介
5.3.4. Plotly股票分析图绘制
5.3.4.1. k线图绘制
5.3.4.2. 子图与技术指标叠加
5.3.4.3. 图形标注、类别标签
5.3.5. Dash简介
5.4. PyEcharts及常见图形绘制
5.4.1. PyEcharts简介
5.4.2. PyEcharts下的点、线、柱图和K线图
6. 股票策略回测
6.1. 策略评估指标
6.1.1. MDD
6.1.2. SHARPE
6.1.3. SORTINO
6.1.4. WinRate
6.1.5. ANR（年化收益率）
6.1.6. volatility（波动率）
6.1.7. 资产收益
6.1.8. Benchmark与超额收益率
6.2. 回测指标可视化
6.2.1. Quantstats
6.2.2. 资产收益曲线
6.3. 事件驱动的回测模型
6.4. 矢量化回测模型
6.4.1. 机器学习回测模型
6.5. 回测陷阱
6.5.1. 信号闪烁
6.5.2. 未来函数
6.5.3. 偷价
6.5.4. 不可能成交的价格
6.5.5. 过度拟合
6.5.6. 幸存者偏差
6.5.7. 冲击成本
6.5.8. 复权影响
6.5.9. 撮合算法
6.6. 回测框架
6.6.1. 大富翁backtesting
6.6.2. backtesting.py
6.6.3. backtrader
7. 模拟盘和实盘接口
7.1. 接入实盘的相关法规
7.2. 使用模拟盘
7.3. 基于GUI的接入方案
7.4. 基于API的接入方案
7.4.1. 文件单和东财EMC Trade
7.4.2. Ptrade
7.4.3. QMT
7.4.4. 大富翁trderclient